Bildklassifizierungs-Hyperparameter

Hyperparameter sind Parameter, die festgelegt werden, bevor ein Machine-Learning-Modell mit dem Lernen beginnt. Die folgenden Hyperparameter werden vom SageMaker integrierten Bildklassifizierungsalgorithmus von Amazon unterstützt. Informationen Optimieren eines Bildklassifizierungsmodells zum Optimieren von Hyperparametern für die Bildklassifizierung finden Sie unter.

Name des Parameters	Beschreibung
`num_classes`	Anzahl der Ausgabeklassen. Dieser Parameter definiert die Dimensionen der Netzwerkausgabe und ist in der Regel auf die Anzahl der Klassen im Datensatz festgelegt. Neben der Mehrklassen-Klassifizierung wird auch die Multi-Label-Klassifizierung unterstützt. Weitere Informationen zur Arbeit mit Multi-Label-Klassifizierung mit erweiterten Manifestdateien finden Sie unter E/A-Schnittstelle für den Bildklassifikationsalgorithmus. Erforderlich Gültige Werte: positive Ganzzahl
`num_training_samples`	Anzahl der Trainingsbeispiele im Eingabedatensatz. Wenn keine Übereinstimmung zwischen diesem Wert und der Anzahl der Beispiele im Trainingssatz gibt, dann ist das Verhalten des `lr_scheduler_step`-Parameters nicht definiert und die verteilte Trainingsgenauigkeit kann beeinträchtigt sein. Erforderlich Gültige Werte: positive Ganzzahl
`augmentation_type`	Datenaugmentationstyp. Die Eingabebilder können auf verschiedene Weise erweitert werden, wie unten angegeben. `crop`: Zufälliges Zuschneiden des Bildes und horizontales Kippen des Bildes `crop_color`: Zusätzlich zu ''crop" werden drei zufällige Werte im Bereich [-36, 36], [-50, 50] und [-50, 50] den entsprechenden Kanälen für Farbton, Sättigung, Helligkeit hinzufügt. `crop_color_transform`: Zusätzlich zu `crop_color` werden zufällige Umwandlungen, einschließlich Rotieren, Neigen und Seitenverhältnisvariationen auf das Bild angewendet. Die maximale Rotationswinkel ist 10 Grad, das maximale Neigungsverhältnis ist 0,1 und das maximale Aspektänderungsverhältnis ist 0,25. Optional Gültige Werte: `crop`, `crop_color` oder `crop_color_transform`. Standardwert: keiner
`beta_1`	Der beta1-Wert für `adam`, d. h. exponentielle Zerfallsrate für die ersten Momentschätzungen. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.9
`beta_2`	Der beta2-Wert für `adam`, d. h. exponentielle Zerfallsrate für die zweiten Momentschätzungen. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.999
`checkpoint_frequency`	Zeitraum für das Speichern der Modellparameter (in Anzahl von Epochen). Beachten Sie, dass alle Prüfpunktdateien als Teil der endgültigen Modelldatei „model.tar.gz“ gespeichert und in S3 an den angegebenen Modellspeicherort hochgeladen werden. Dadurch wird die Größe der Modelldatei proportional zur Anzahl der während des Trainings gespeicherten Prüfpunkte erhöht. Optional Gültige Werte: positive Ganzzahl, die nicht größer ist als `epochs`. Standardwert: keiner (speichern Sie den Prüfpunkt in der Epoche mit der besten Validierungsgenauigkeit).
`early_stopping`	Mit `True` verwenden Sie die Logik zum frühzeitigen Beenden während des Trainings. Mit `False` wird die Logik nicht verwendet. Optional Gültige Werte: `True` oder `False`. Standardwert: `False`
`early_stopping_min_epochs`	Die Mindestanzahl der Epochen, die ausgeführt werden müssen, bevor die Logik zum frühzeitigen Beenden aufgerufen werden kann. Sie wird nur verwendet, wenn `early_stopping` = `True`. Optional Gültige Werte: positive Ganzzahl Standardwert: 10
`early_stopping_patience`	Die Anzahl der abzuwartenden Epochen, bevor das Training endet, wenn keine Verbesserung in der entsprechenden Metrik erzielt wird. Sie wird nur verwendet, wenn `early_stopping` = `True`. Optional Gültige Werte: positive Ganzzahl Standardwert: 5
`early_stopping_tolerance`	Relative Toleranz zur Messung von Verbesserungen der Genauigkeitsvalidierungsmetrik. Wenn das Verhältnis der Genauigkeitsverbesserung dividiert durch die vorherige beste Genauigkeit kleiner als der `early_stopping_tolerance`-Wert ist, betrachtet der Prozess zum frühzeitigen Beenden die Verbesserung als nicht vorhanden. Sie wird nur verwendet, wenn `early_stopping` = `True`. Optional Gültige Werte: 0 ≤ Float ≤ 1 Standardwert: 0.0
`epochs`	Anzahl der Trainingsepochen. Optional Gültige Werte: positive Ganzzahl Standardwert: 30
`eps`	Die epsilon-Wert für `adam` und `rmsprop`. Er ist in der Regel auf einen kleinen Wert festgelegt, um eine Division durch 0 zu verhindern. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 1e-8
`gamma`	Der gamma-Wert für `rmsprop`, der Zerfallsfaktor des gleitenden Durchschnitts des Verlaufs im Quadrat. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.9
`image_shape`	Die Abmessungen des Eingabebildes, was der Größe der Eingabeschicht des Netzwerks entspricht. Das Format ist definiert als "`num_channels`, Höhe, Breite". Die Bildabmessung kann auf einen beliebigen Wert festgelegt werden, da das Netzwerk unterschiedliche Abmessungen der Eingabe verarbeiten kann. Es kann jedoch zu Speicherplatzbeschränkungen kommen, wenn eine größere Bildgröße verwendet wird. Vortrainierte Modelle können nur eine feste Bildgröße von 224 x 224 verwenden. Typische Bildabmessungen für die Bildklassifizierung sind "3.224.224". Dies ist dem ImageNet Datensatz ähnlich. Beim Training schlägt das Training fehl, wenn ein Eingabebild in einer beliebigen Dimension kleiner als dieser Parameter ist. Wenn ein Bild größer ist, wird ein Teil des Bilds beschnitten, wobei der beschnittene Bereich durch diesen Parameter festgelegt wird. Wenn der Hyperparameter gesetzt `augmentation_type` ist, erfolgt der Zuschnitt nach dem Zufallsprinzip; andernfalls erfolgt der Bildausschnitt in der Mitte. Bei der Inferenz wird die Größe der Eingabebilder an die Größe angepasst, `image_shape` die beim Training verwendet wurde. Das Seitenverhältnis wird nicht beibehalten, und Bilder werden nicht beschnitten. Optional Gültige Werte: Zeichenfolge Standardwert: '3.224.224'
`kv_store`	Synchronisierungsmodus der Gewichtungsaktualisierungen während des verteilten Trainings. Die Gewichtungsaktualisierungen können entweder synchron oder asynchron über mehrere Maschinen hinweg aktualisiert werden. Synchrone Aktualisierungen bieten in der Regel eine bessere Genauigkeit als asynchrone Aktualisierungen, können aber langsamer sein. Weitere Informationen finden Sie unter Distributed Training inMXNet. Dieser Parameter gilt nicht für das Einzel-Maschinen-Training. `dist_sync`: Die Verläufe werden nach jedem Stapel mit allen Workern synchronisiert. Mit `dist_sync` ist mit Stapelgröße jetzt die auf den einzelnen Maschinen verwendete Stapelgröße gemeint. Wenn es also n Maschinen gibt und wir Stapelgröße b verwenden, dann verhält sich `dist_sync` wie „lokal“, mit Stapelgröße n * b. `dist_async`: Führt asynchrone Aktualisierungen aus. Die Gewichtungen werden immer dann aktualisiert, wenn Verläufe von einer beliebigen Maschine empfangen werden und die Gewichtungsaktualisierungen atomar sind. Allerdings ist die Reihenfolge nicht garantiert. Optional Gültige Werte: `dist_sync` oder `dist_async`. Standardwert: keiner
`learning_rate`	Anfängliche Lernrate. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.1
`lr_scheduler_factor`	Das Verhältnis zur Reduzierung der Lernrate, verwendet in Verbindung mit dem `lr_scheduler_step`-Parameter, definiert als `lr_new` = `lr_old` * `lr_scheduler_factor`. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.1
`lr_scheduler_step`	Die Epochen für das Reduzieren der Lernrate. Wie im `lr_scheduler_factor`-Parameter erklärt, wird die Lernrate bei diesen Epochen um `lr_scheduler_factor` reduziert. Wenn beispielsweise der Wert auf "10, 20" festgelegt ist, wird die Lernrate nach der 10. Epoche um `lr_scheduler_factor` reduziert und nach der 20. Epoche nochmals um `lr_scheduler_factor`. Die Epochen werden durch "," getrennt. Optional Gültige Werte: Zeichenfolge Standardwert: keiner
`mini_batch_size`	Die Batch-Größe für das Training. In einer GPU Einstellung für mehrere Geräte GPU verarbeitet jeder Computer `mini_batch_size` /num_gpu-Trainingsproben. Beim Trainieren auf mehreren Maschinen im dist_sync-Modus ist die tatsächliche Stapelgröße `mini_batch_size` * Anzahl der Maschinen. Weitere Informationen finden Sie in der MXNet Dokumentation. Optional Gültige Werte: positive Ganzzahl Standardwert: 32
`momentum`	Das Moment für `sgd` und `nag`, ignoriert für andere Optimierer. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.9
`multi_label`	Flag für die Multi-Label-Klassifizierung, wobei jedem Beispiel mehrere Bezeichnungen zugewiesen werden können. Durchschnittliche Genauigkeit für alle protokollierten Klassen. Optional Gültige Werte: 0 oder 1 Standardwert: 0
`num_layers`	Anzahl der Schichten für das Netzwerk. Für Daten mit einer großen Bildgröße (z. B. 224x224 ImageNet) empfehlen wir, die Anzahl der Ebenen aus dem Satz [18, 34, 50, 101, 152, 200] auszuwählen. Für Daten mit einer kleinen Bildgröße (z. B. 28x28CIFAR) empfehlen wir, die Anzahl der Ebenen aus dem Satz [20, 32, 44, 56, 110] auszuwählen. Die Anzahl der Schichten in jedem Satz basiert auf dem ResNet paper. Für Transferlernen definiert die Anzahl der Schichten die Architektur des Basisnetzwerks und kann somit nur aus dem Satz [18, 34, 50, 101, 152, 200] ausgewählt werden. Optional Gültige Werte: positive Ganzzahl in [18, 34, 50, 101, 152, 200] oder [20, 32, 44, 56, 110]. Standardwert: 152
`optimizer`	Der Optimierer-Typ. Weitere Informationen zu den Parametern für die Optimierer finden Sie MXNet unter. API Optional Gültige Werte: Entweder `sgd`, `adam`, `rmsprop` oder `nag`. `sgd`: Stochastic Gradient Descent `adam`: Adaptive Momentum Estimation (Adaptive Momentschätzung) `rmsprop`: Root Mean Square Propagation `nag`: Beschleunigter Gradient nach Nesterow Standardwert: `sgd`
`precision_dtype`	Die Genauigkeit der Gewichtungen, die für das Training verwendet werden. Der Algorithmus kann entweder einfache Präzision (`float32`) oder halbe Präzision (`float16`) für die Gewichtungen verwenden. Die Verwendung halber Präzision für Gewichtungen führt zu reduzierten Speicherverbrauch. Optional Gültige Werte: `float32` oder `float16`. Standardwert: `float32`
`resize`	Die Anzahl der Pixel auf der kürzesten Seite eines Bilds nach der Größenänderung für das Training. Wenn der Parameter nicht festgelegt ist, werden die Trainingsdaten ohne Änderung der Größe verwendet. Der Parameter sollte größer sein als die Breiten- und die Höhenkomponente von `image_shape`, um Trainingsversagen zu verhindern. Erforderlich bei Verwendung von Bildinhaltstypen Optional bei Verwendung des Inhaltstyps RecordIO Gültige Werte: positive Ganzzahl Standardwert: keiner
`top_k`	Meldet die Top-K-Genauigkeit während des Trainings. Dieser Parameter muss größer als 1 sein, da die Top-1-Trainingsgenauigkeit dasselbe ist wie die reguläre Trainingsgenauigkeit, die bereits gemeldet wurde. Optional Gültige Werte: positive Ganzzahl größer als 1. Standardwert: keiner
`use_pretrained_model`	Kennzeichen, das angibt, ob ein vortrainiertes Modell für das Training verwendet werden soll. Wenn dieser Wert auf 1 festgelegt ist, wird das vortrainierte Modell mit der entsprechenden Anzahl von Schichten geladen und für das Training verwendet. Nur die obere, vollständig verbundene Schichtwird mit zufälligen Gewichtungen neu initialisiert. Andernfalls wird das Netzwerk von Grund auf neu trainiert. Optional Gültige Werte: 0 oder 1 Standardwert: 0
`use_weighted_loss`	Flag, das angibt, ob der gewichteten Kreuz-Entropie-Verlust für die Multi-Label-Klassifizierung verwendet werden soll (nur verwendet, wenn `multi_label` = 1), wobei die Gewichtungen basierend auf der Verteilung von Klassen berechnet werden. Optional Gültige Werte: 0 oder 1 Standardwert: 0
`weight_decay`	Der Zerfall der Gewichtung des Koeffizienten für `sgd` und `nag`, ignoriert für andere Optimierer. Optional Gültige Werte: Gleitkommazahl. Bereich [0, 1]. Standardwert: 0.0001

Warnung JavaScript ist in Ihrem Browser nicht verfügbar oder deaktiviert.

Zur Nutzung der AWS-Dokumentation muss JavaScript aktiviert sein. Weitere Informationen finden auf den Hilfe-Seiten Ihres Browsers.

Dokumentkonventionen

So funktioniert’s

Modell-Abstimmung